在上一篇做KMO檢定E1~E10所有的問項的值都在0.9以上，接下進行球型檢定，而球型檢定則是用來判斷多變量常態分配，也可用來檢定是否適合進行因素分析，而球型檢定的統計量的P值均小於顯著水準的1%也就是0.01，表示該資料之抽樣為是當且適合進行因素分析。
同樣也是採用上一篇的資料集測試資料每筆資料就是一位填寫問卷的人，變數就是問題本身，跟前面的問卷基本分析紀錄資料的方式一樣，但對於本次57個變數太多了，我們只要E1-E10的變數，及前500名的參與者，而這份問卷主要調查個性是否外向，問項列表如下
這是人們對等級從1 =不同意到5 =同意的外向性項目的列表：
- E1我是聚會的一生。
- E2我沒說很多。
- E3我周圍的人感覺很舒服。
- E4我一直在後台。
- E5我開始對話。
- E6我無話可說。
- E7我在聚會上與許多不同的人交談。
- E8我不喜歡引起我的注意。
- E9我不介意成為關注的焦點。
- E10我在陌生人周圍安靜。
程式碼如下
DataKmo <- read.csv(file = "D:/工作區/我的筆記/程式筆記/R/Ironman Challenge/Paper/BIG5/data.csv",
header = TRUE, sep="\t",stringsAsFactors=FALSE)
View(DataKmo)
DataKmo <- DataKmo[1:500, paste0("E", 1:10)]
bartlett.test(DataKmo)
我們可以看到P-Value為0.003小於0.01，判定可進行因素分析
目前做到KMO及Bartlett 都很蠻簡單，下一篇進行PCA主成份分析，到這邊用R做都學得很簡單，以前在想用R做論文的分析都不知從何下手，現在目前發現都很簡單，甚至比EDA資料探索還簡單。
沒有留言:
張貼留言